论文部分内容阅读
图像分割是图像处理、图像分析和计算机视觉中的基本技术,其被广泛应用于军事作战、工业检测、临床医学、城市交通等重要领域,具有很高的研究意义和实用价值。在众多图像分割算法中,阈值法因为原理简单、处理直观且计算速度快而应用十分普遍。二维OTSU法是典型的阈值分割算法,但其在处理一些具有对比度较低、光照不均匀、细微间断以及噪声较大等特征的复杂背景图像时,常常会产生分割错误。考虑到侧抑制网络具有突出边框、增强反差、间断拟合以及抑制噪声等功能,本文提出了一种基于侧抑制网络的二维OTSU法,以提高二维OTSU法的对比度、光照强度适应性、间断拟合能力以及对图像噪声的鲁棒性。二维交叉熵法在应用于目标方差和背景方差相差较大的图像时,能够取得比二维OTSU法更好的分割结果。为此,本文提出了一种基于侧抑制网络的二维交叉熵法,以应对目标方差和背景方差差别较大的复杂背景图像。本文所做的工作主要包括以下两个方面:(1)为了提高二维OTSU法对于复杂背景图像的适用性,本文提出了一种基于侧抑制网络的二维OTSU阈值分割算法。该算法从基于人类视觉系统的侧抑制网络出发,利用侧抑制网络处理原始图像,得到侧抑制图像,构建基于像素的灰度信息和侧抑制信息的二维直方图,并在此二维直方图上利用类间方差最大准则来求取分割阈值。实验结果表明,与一维OTSU法和二维OTSU法等相比,该算法不仅具有较好的对比度、光照强度适应性和间断拟合能力,还可以提高对图像噪声的鲁棒性。(2)针对目标方差和背景方差差别较大的复杂背景图像,本文提出了一种基于侧抑制网络的二维交叉熵阈值分割算法。该算法在构建灰度-侧抑制二维直方图的基础上,通过最大化二维交叉熵准则函数来计算分割阈值。实验结果表明,与二维OTSU法和二维交叉熵法等相比,该算法能够更好的适用于复杂背景图像中目标方差和背景方差相差较大的情形。